徐勝超 熊茂華 葉力洪

（廣州華商學(xué)院數(shù)據(jù)科學(xué)學(xué)院 廣州 511300）

1 引言

在云平臺(tái)環(huán)境下，虛擬機(jī)的部署方法限制條件較多，包括通信限制以及硬件體系結(jié)構(gòu)限制，這些限制使得部署的難度增加，部署效果越來越差［1～2］。為提高部署的成功率，國內(nèi)外眾多學(xué)者開展相關(guān)研究［3～4］。

文獻(xiàn)［5～7］提出智能算法優(yōu)化的虛擬機(jī)整合算法，并根據(jù)CPU利用率和可靠性狀態(tài)對(duì)主機(jī)進(jìn)行了優(yōu)先級(jí)排序，但是該方法的任務(wù)執(zhí)行時(shí)間較長，資源利用率也不理想。文獻(xiàn)［8］提出基于全局優(yōu)化理論完成虛擬機(jī)集群的部署，根據(jù)預(yù)設(shè)的虛擬機(jī)屬性判別函數(shù)，對(duì)虛擬機(jī)資源執(zhí)行升序排列，進(jìn)而選取升序集合中心位置的虛擬機(jī)作為聚簇起點(diǎn)，根據(jù)動(dòng)態(tài)規(guī)劃策略從兩個(gè)方向開始進(jìn)行聚簇，但該方法受到硬件架構(gòu)影響。目前大部分文獻(xiàn)并沒有解決虛擬機(jī)部署中資源利用不充分的問題。為此本文提出一種基于感知負(fù)載的虛擬機(jī)集群部署算法。通過實(shí)驗(yàn)證明，此次研究的基于負(fù)荷感知的部署算法較傳統(tǒng)算法應(yīng)用效果好，滿足云平臺(tái)下的虛擬機(jī)集群部署需求，可實(shí)際應(yīng)用意義強(qiáng)。

2 基于奇異值分解的資源性能預(yù)測(cè)

在對(duì)虛擬機(jī)集群部署之前，對(duì)資源性能描述，轉(zhuǎn)化虛擬機(jī)初始分配為裝箱形式問題，保證物理主機(jī)與虛擬機(jī)之間屬于一對(duì)多映射［9］。

首先對(duì)虛擬機(jī)內(nèi)資源性能進(jìn)行判斷。一般虛擬機(jī)內(nèi)的資源都是根據(jù)上層負(fù)載的變化情況進(jìn)行分配的物理資源，由于系統(tǒng)中負(fù)載是動(dòng)態(tài)的，其資源分配也是動(dòng)態(tài)變化的，其主要的目的就是為提高平臺(tái)中的所有物理資源的整體利用率。本文利用基于SVD（Singular Value Decomposition）奇異值分解的系統(tǒng)性能預(yù)測(cè)模型對(duì)一段時(shí)間內(nèi)的虛擬機(jī)資源的性能進(jìn)行判斷。根據(jù)上述標(biāo)準(zhǔn)化處理的結(jié)果預(yù)測(cè)虛擬機(jī)資源性能，其計(jì)算過程如下。

圖1 基于SVD的系統(tǒng)性能預(yù)測(cè)模型

根據(jù)上述對(duì)虛擬機(jī)資源的性能進(jìn)行預(yù)測(cè)，其計(jì)算過程如下。

將數(shù)據(jù)導(dǎo)入線性模糊模型，同時(shí)通過奇異值分解模型分解得到更加完善的去模糊模型。

式（1）中，U為左奇異向量矩陣，V為右奇異向量矩陣，S為奇異值矩陣，其中U和V都屬于正交矩陣。削減誤差對(duì)資源性能預(yù)測(cè)的影響，得公式如下：

式（2）中，σi為奇異值矩陣對(duì)角線上的奇異值；b為誤差；μiT為正交矩陣；vi為右奇異向量；i為樣本數(shù)量。基于已有的研究結(jié)果，選取處理器（CPU）、磁盤存儲(chǔ)（Storage）、內(nèi)存（RAM）、和帶寬（BW）這四個(gè)最獨(dú)立且對(duì)性能影響最大的參數(shù)作為實(shí)例，全面確定虛擬機(jī)與物理主機(jī)之間的匹配方式。在資源性能預(yù)測(cè)的中，需要對(duì)虛擬機(jī)和物理主機(jī)的性能進(jìn)行標(biāo)準(zhǔn)化比較，就需要統(tǒng)一物理主機(jī)和虛擬機(jī)的性能參數(shù)［10］，即虛擬機(jī)資源性能和奇異值分解的結(jié)合，標(biāo)準(zhǔn)化處理。其計(jì)算過程是：

以CPU為例，HCPU_available代表該機(jī)器中CPU的可用量，HCPU_all代表該資源池中CPU 的總量，HCPU_reserved代表CPU的留置量。至此完成前期準(zhǔn)備工作，開始進(jìn)行虛擬機(jī)部署。

3 負(fù)荷感知的虛擬機(jī)部署設(shè)計(jì)

根據(jù)以上資源性能描述，選擇一個(gè)虛擬機(jī)。虛擬機(jī)遷移觸發(fā)后，多個(gè)虛擬機(jī)同時(shí)處于工作狀態(tài)，遷移虛擬機(jī)需要進(jìn)行合理選擇，降低成本以及資源浪費(fèi)［11～13］。

在虛擬機(jī)選擇過程中，需要分析兩者之間的關(guān)系，如果兩者之間的相關(guān)性較低，表示虛擬機(jī)遷移對(duì)物理主機(jī)的影響較小。

3.1 虛擬機(jī)和物理主機(jī)相關(guān)系數(shù)計(jì)算

基于上述分析，對(duì)待遷移過程中的物理主機(jī)與虛擬機(jī)的相關(guān)系數(shù)r進(jìn)行計(jì)算，對(duì)所得結(jié)果進(jìn)行排序，具體計(jì)算方式如下所示：

式（3）中，xi代表虛擬機(jī)在啟動(dòng)至i時(shí)刻的資源利用率；yi是物理主機(jī)在啟動(dòng)至i時(shí)刻的資源利用率。

3.2 虛擬機(jī)當(dāng)前內(nèi)存和可用帶寬比

除前面提到的虛擬機(jī)和物理主機(jī)之間的關(guān)系之外，內(nèi)存和帶寬資源的負(fù)載也需要被考慮［14～15］，原因是隨著虛擬機(jī)遷移時(shí)間地不斷延長，服務(wù)質(zhì)量也會(huì)逐漸下降，而系統(tǒng)質(zhì)量卻需要不斷提高，因此需要充分結(jié)合虛擬機(jī)內(nèi)存與寬帶之間關(guān)聯(lián)性t。本文采用負(fù)荷感知法進(jìn)行計(jì)算。其公式如下：

式（4）中，Mm代表虛擬機(jī)的可用內(nèi)存；Bb表示物理主機(jī)的內(nèi)存；Mj代表虛擬機(jī)j的內(nèi)存。

3.3 物理主機(jī)資源之間權(quán)重比計(jì)算

在觸發(fā)虛擬機(jī)遷移時(shí)，除了加權(quán)虛擬機(jī)資源使用外，物理主機(jī)之間資源權(quán)值比不同，需要進(jìn)行加權(quán)處理，并且對(duì)加權(quán)的虛擬機(jī)資源進(jìn)行使用，計(jì)算資源利用權(quán)重，待遷移虛擬機(jī)最佳狀態(tài)尋找方式如下所示：

其中，a=Wc(ac-rc) ，b=Wb(ab-rb) ，n=Wn(anrn)分別代表虛擬資源權(quán)值參數(shù)其能夠根據(jù)物理主機(jī)資源利用率的情況，對(duì)相應(yīng)資源設(shè)置相應(yīng)的權(quán)重，ac,ab,an為虛擬資源總量；rc,rb,rn分別代表當(dāng)前物理主機(jī)剩余資源的一般數(shù)量；Wc,Wb,Wn為資源相對(duì)值。

4 虛擬機(jī)排序與遷移

依據(jù)上述權(quán)重計(jì)算結(jié)果對(duì)物理主機(jī)排序，在排序過程中，對(duì)集群進(jìn)行構(gòu)建，在構(gòu)建時(shí)需要考慮網(wǎng)絡(luò)特性與其負(fù)載情況，合理分析虛擬機(jī)集群的集群流程和部署流程，從而減少虛擬機(jī)部署過程中對(duì)資源的爭(zhēng)奪。對(duì)物理主機(jī)上的虛擬機(jī)進(jìn)行排序，根據(jù)排序后的優(yōu)先級(jí)對(duì)虛擬機(jī)進(jìn)行動(dòng)態(tài)遷移，其公式如下：

r，t，e分別表示虛擬機(jī)與物理主機(jī)的相關(guān)系數(shù)，虛擬機(jī)內(nèi)存與寬帶之間關(guān)聯(lián)性，物理主機(jī)之間資源權(quán)值比?；谏厦婀降玫降闹?，排序虛擬機(jī)隊(duì)列，隊(duì)列頭部遷移完成后，與頭部閾值相比，當(dāng)物理主機(jī)閾值較低時(shí)，停止虛擬機(jī)遷移。完成遷移之后，物理主機(jī)閾值如果仍然高于第一個(gè)，需要重新選擇要遷移的虛擬機(jī)。

在上述工作處理完成的基礎(chǔ)上，對(duì)云計(jì)算虛擬機(jī)集群部署，主要的部署過程如圖2所示。

圖2 虛擬機(jī)集群部署流程

5 實(shí)驗(yàn)與性能分析

為驗(yàn)證此次研究的基于負(fù)荷感知的虛擬機(jī)集群部署算法在實(shí)際場(chǎng)景中的應(yīng)用效果，設(shè)置實(shí)驗(yàn)環(huán)境進(jìn)行實(shí)驗(yàn)，并將傳統(tǒng)算法與其對(duì)比，對(duì)比兩個(gè)部署算法的有效性。

5.1 實(shí)驗(yàn)硬件環(huán)境

此次設(shè)置的實(shí)驗(yàn)硬件環(huán)境中，共包含22 臺(tái)物理主機(jī)，其中20 臺(tái)是虛擬機(jī)主機(jī)（酷睿i7，六核臺(tái)式機(jī)，Win10的64位操作系統(tǒng)，硬盤500G），一臺(tái)能對(duì)物理節(jié)點(diǎn)部署，一臺(tái)能對(duì)虛擬機(jī)映像文件進(jìn)行存儲(chǔ)與共享，交換機(jī)為華為千兆交換機(jī)，路由器為華為AX3路由器，試驗(yàn)物理環(huán)境如圖3所示。

圖3 實(shí)驗(yàn)物理環(huán)境

在實(shí)際的部署過程中，需要保證實(shí)驗(yàn)中網(wǎng)絡(luò)的性能穩(wěn)定性，因?yàn)樵趯?shí)驗(yàn)中，需要及時(shí)地傳輸大量的監(jiān)控信息。本文利用千兆交換機(jī)將20 臺(tái)虛擬機(jī)主機(jī)與一個(gè)單獨(dú)的局域網(wǎng)相連接，IP地址均為獨(dú)立狀態(tài)。

5.2 軟件環(huán)境

將CentOS6.0 操作系統(tǒng)安裝在1 個(gè)管理節(jié)點(diǎn)和20 個(gè)計(jì)算節(jié)點(diǎn)上，然后在20 個(gè)計(jì)算節(jié)點(diǎn)上以源代碼模式安裝Xen4.1.2，在這一過程中不需要安裝監(jiān)視器，最多同時(shí)運(yùn)行3 個(gè)虛擬容器，虛擬集群最大規(guī)模為60 個(gè)節(jié)點(diǎn)，六核平均分給3 個(gè)虛擬節(jié)點(diǎn)，即每個(gè)節(jié)點(diǎn)平均分配到2 個(gè)核。從而完成虛擬化平臺(tái)的構(gòu)建。實(shí)驗(yàn)過程中主要的對(duì)比結(jié)果如下內(nèi)容所示。

5.3 任務(wù)執(zhí)行平均時(shí)間對(duì)比

通過CentOS6.0 操作系統(tǒng)統(tǒng)計(jì)部署時(shí)長，對(duì)比此次研究的系統(tǒng)與傳統(tǒng)的系統(tǒng)的虛擬機(jī)集群部署時(shí)間，對(duì)比結(jié)果如圖4所示。

圖4 不同權(quán)重下任務(wù)執(zhí)行平均時(shí)間對(duì)比

由上圖可以看出，本文方法任務(wù)完成時(shí)間最短，并且受到部署數(shù)量的影響較小，而傳統(tǒng)算法在部署數(shù)量較多時(shí)，并且需要較長的時(shí)間，應(yīng)用效果沒有本文所研究方法效果好。這些結(jié)果表明本文提出的部署方法優(yōu)于傳統(tǒng)方法，這是因?yàn)楸疚姆椒勺屘摂M機(jī)對(duì)虛擬機(jī)需要的資源類型賦予更大的權(quán)重，從而獲得更多類似資源。

5.4 虛擬機(jī)部署失敗次數(shù)對(duì)比

每個(gè)部署在虛擬機(jī)上的批數(shù)不同都會(huì)影響虛擬機(jī)的失效率，這主要由于在將虛擬機(jī)部署到虛擬機(jī)上后，同時(shí)執(zhí)行命令的全部是虛擬機(jī)，所以每批虛擬機(jī)占用的虛擬機(jī)資源越多，失效率就越高。

在這個(gè)實(shí)驗(yàn)中，假定每批中有10 個(gè)虛擬機(jī)可以執(zhí)行。允許每批虛擬機(jī)執(zhí)行15、20、25 和30 次。如果每批虛擬機(jī)數(shù)達(dá)到35 時(shí)，系統(tǒng)將發(fā)生異常，并且將放棄執(zhí)行該批中尚未部署的所有虛擬機(jī)。在實(shí)際應(yīng)用過程中，應(yīng)該控制每個(gè)虛擬機(jī)能夠執(zhí)行命令的虛擬機(jī)數(shù)量。得出虛擬機(jī)部署失敗次數(shù)，詳細(xì)的比較結(jié)果如圖5所示。

圖5 虛擬機(jī)部署失敗次數(shù)對(duì)比

分析圖5 發(fā)現(xiàn)，在每批少量虛擬機(jī)執(zhí)行時(shí)，本文的部署方法與傳統(tǒng)方法的失敗次數(shù)相應(yīng)減少，但是隨著虛擬機(jī)工作數(shù)量的增加，兩個(gè)方法的失敗發(fā)生率也相應(yīng)增加，但資源利用率較高。對(duì)比可知，在虛擬機(jī)執(zhí)行數(shù)量不斷變化的背景下，本文的部署方法的部署失敗次數(shù)都比傳統(tǒng)算法少，說明本文的部署方法受虛擬機(jī)數(shù)量的影響較小，均能獲得較好的應(yīng)用效果。

綜上所述，本文的部署方法獲得了較好的應(yīng)用效果，原因是本文的部署方法預(yù)先分析了虛擬機(jī)的資源性能，然后從多個(gè)角度對(duì)虛擬機(jī)進(jìn)行了選擇與排序，從而保證集群部署的合理性，提高了部署效果。

6 結(jié)語

本文完成虛擬機(jī)部署方法的設(shè)計(jì)，通過本文研究的虛擬機(jī)部署方法能提高部署成功率，并且充分滿足方法設(shè)計(jì)的需求，通過本文的部署方法能為相關(guān)領(lǐng)域提供幫助。但由于研究條件有限，本文的部署方法仍存在一些需要提升的地方，如虛擬機(jī)的在線遷移、安全等方面，希望在以后的研究中在對(duì)其他方面多一些思考，進(jìn)一步提高應(yīng)用效果。